No importa que estudios tengas, el futuro es aprender a programar
Antes hablar de "programación" era hablar de una habilidad exclusiva de los "programadores". Sin embargo, en la actualidad, ya tenemos que pensar, que aprender un lenguaje de programación es profesionalmente hablando, como dominar un segundo idioma.
La siguiente figura, muestra las proyecciones de empleo en el futuro según Manpower:
 | |
| Fuente: This is how robots will change the future of work |
Como se puede apreciar fácilmente, las Tecnologías de la Información (IT por sus siglas en inglés), son la carrera profesional con la mejor proyección laboral.
El siguiente artículo, resulta bastante ilustrativo sobre la importancia de aprender programación:
"Si aún te preguntas qué carrera estudiar y tu respuesta se divide en lo que te gusta y las profesiones más rentables en un futuro, debes saber que una de ellas es el análisis de datos. A quienes desarrollan este trabajo también se les conoce como data scientist.
Este puesto es mayormente solicitado por grandes compañías que recaban y analizan información de sus clientes y consumidores para así saber qué hacer para llegar a los objetivos que se proponen e incluso se pueden anticipar a algunas crisis.
Un data scientist puede provenir de carreras como Física, Matemáticas y Actuaría, puesto que las habilidades que necesita tener son la curiosidad, conocimientos económicos, saber cómo encontrar información, contar con entendimiento de estadística, conocer sobre historia, y por último tener capacidades comunicativas, para poder traducir los datos en información valiosa para una empresa."
En el siguiente Gráfico, se muestran las 25 empresas que mejor pagan en promedio a sus empleados en los Estados Unidos:
 |
| Fuente: These Are the Highest-Paying Companies in America |
Como se puede apreciar, las empresas que mejor están pagando a sus empleados, son aquellas relacionadas con los sectores de TI, consultoría y servicios financieros.
Ahora bien, relacionado con lo anterior, ¿qué conocimientos son los más demandados por este tipo de empresas? La respuesta, en la Tabla que se muestra a continuación:
 |
| Fuente: These Are the 20 Fastest-Growing Skills in the Online Job Market |
Estás 20 habilidades más demandadas, muchas tienen que ver, con saber manejar algún lenguaje de programación.
Según edX (plataforma de cursos MOOC fundada por el Instituto Tecnológico de Massachusetts y la Universidad de Harvard), estos son los salarios promedios anuales (en miles de dólares) de algunos de los mejores empleos en los EE.UU.:
- Data Scientist: $110,000
- DevOps Engineer:$110,000
- Data Engineer: $106,000
- Tax Manager: $110,000
- Analytics Manager: $112,000
- Database Administrator: $93,000
- Strategy Manager: $110,000
- UX Designer: $92,500
- Solutions Architect: $125,000
- Marketing Manager: $90,000
En el siguiente Gráfico, se muestran los softwares vinculados con el Data Science más populares en el 2017:
 |
| Fuente: Data Science Job Report 2017 |
Los tres softwares más populares en Data Science actualmente son: SQL, Python y Java. En 5º se encuentra R. Destacar que Tableau (visual analytics) ocupa la 9º. En el lugar 7º se encuentra el SAS y el 11º el SAP, que suelen ser los antiguos favoritos de algunas empresas (que como se puede apreciar, se están quedando atrás). Finalmente, se observa que softwares como el Matlab (12º), SPSS (13º) y STATA (17º) que suelen ser los que más se enseñan en las universidades, se encuentran entre los menos populares laboralmente hablando.
Si la misma pregunta sobre qué lenguaje de programación se considera el mejor actualmente, se la hiciéramos a profesionales de Data Science e ingenieros, la respuesta sería la siguiente:
 |
| Fuente: The Most Popular Languages for Data Scientists/Engineers |
En el siguiente Cuadro comparativo, se muestran las principales ventajas y desventajas entre el Python vs R y SPSS vs SAS:
Leer más: Python & R vs. SPSS & SAS y si todavía tienes tus dudas sobre que programa es mejor aprender y por qué, también puedes leer SAS vs. R (vs. Python) – which tool should I learn?
Tanto R como Python, son lenguajes de programación muy buenos, en resumen yo diría que R es más "sencillo" de aprender con respecto a Python, pero Python es más potente una vez que lo sabes manejar y es una habilidad mucho más demandada laboralmente hablando. Lectura recomendada: R vs Python – a One-on-One Comparison.
Llegado a este punto, muchos se preguntaran ¿y donde puedo aprender algún lenguaje para ejercer como Data Science? Pues aunque algunas universidades con profesores innovadores, se han preocupado por abrir y promover cursos relacionados con el data science (que no sea un aprendizaje exclusivo de las carreras de ingeniería o informática). Son en realidad muy pocas las que están incluyendo este tipo de cursos en la currícula de sus programas académicos (probablemente esto se debe al desconocimiento por parte de poseer un cuerpo académico envejecido y no actualizado).
Sin embargo, gracias al Internet, tenemos todo este tipo de conocimientos a nuestro alcance y lo mejor aún, es que existe una comunidad muy grande y activa en los lenguajes de programación más populares, que comparten material y ayudan con las dudas y los problemas que van surgiendo (hasta los profesionales con muchos años de experiencia, acuden a los foros en busca de ayuda).
En la siguiente Figura se muestra la Tabla Periódica del Data Science (un resumen de los recursos y herramientas disponibles en la profesión):
Aquí, para visualizar en mejor resolución.
Finalmente, The 5 Most Effective Ways to Learn R. Aunque las recomendaciones son para aprender a usar R, dichas recomendaciones son las mismas si uno quiere aprender SQL o Python: Tomar cursos en-linea (MOOC), estudiar los manuales y finalmente la más importante: practicar, practicar y practicar!
Comentarios